针对在含光伏电源的配电网中,现有剩余电流保护装置难以实现漏电故障的准确识别,存在误动、拒动的问题,提出一种基于完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与牛顿拉夫逊优化算法(Newton-Raphson-based optimizer,NRBO)优化梯度提升决策树(eXtreme Gradient Boosting,XGBoost)的含光伏配电网漏电故障辨识模型。首先,采用CEEMDAN对含光伏配电网的漏电信号进行分解;然后,提取分解后各模态分量的能量熵构建漏电故障特征集;最后,将能量熵特征输入到NRBO-XGBoost识别模型,实现对含光伏配电网不同漏电状态的辨识。通过仿真数据对所提方法进行验证,结果表明:与其他模型相比,所提方法具有更高的辨识精度。